OpenAI ha lanzado una actualización significativa para su modelo ChatGPT centrada en la generación y edición de imágenes, llamada GPT Image 1.5. Este avance sigue a las mejoras en edición de imágenes que Google realizó en su modelo Gemini, conocido bajo el nombre Nano Banana. La nueva herramienta de OpenAI permite a los usuarios realizar cambios específicos en partes de una imagen mientras mantienen el resto del contenido intacto, una característica que hasta ahora era un punto fuerte de Gemini.
Uno de los aspectos más destacados de GPT Image 1.5 es su capacidad para combinar varias imágenes en una sola escena. Los usuarios pueden fusionar fotos de diferentes personas y ubicarlas en un fondo deseado, como el famoso Sydney Harbour Bridge, con solo proporcionar las imágenes fuente. Además, es posible modificar los estilos visuales sin alterar los detalles consistentes de la imagen, una función que también ha sido adoptada de Gemini.
OpenAI afirma que su nuevo editor de imágenes sigue las instrucciones de manera más consistente y genera imágenes hasta cuatro veces más rápido que las versiones anteriores. Las imágenes resultantes son más realistas y presentan menos errores, aunque la empresa reconoce que aún hay margen para mejoras futuras.
Para evaluar la competencia entre ChatGPT y Gemini, se realizaron pruebas comparativas utilizando ambos modelos a través de sus planes de suscripción de $20 al mes. Se les pidió a ambos modelos que generaran imágenes de un periodista tecnológico ocupado, una lámpara en un almacén vacío, y un paisaje de colinas cubiertas de niebla al estilo de un dibujo animado. Aunque los resultados variaron en calidad y realismo, ambos modelos mostraron capacidades similares, con algunos problemas ocasionales relacionados con la física y la repetición.
En cuanto a la edición de imágenes, tanto ChatGPT como Gemini demostraron ser competentes al realizar cambios limpios, como modificar la vestimenta de una persona en una imagen sin alterar el resto. Estas tareas, que antes requerían mucho tiempo incluso para un experto en Photoshop, ahora se pueden realizar en cuestión de segundos gracias a la inteligencia artificial.
Los cambios de color se manejaron con destreza, pero los modelos enfrentaron dificultades al intentar cambiar la perspectiva de una imagen, donde las instrucciones eran menos precisas y los resultados menos consistentes. En este aspecto, ChatGPT logró un desempeño ligeramente mejor que Gemini.
Otra habilidad destacada de estos modelos es la eliminación de objetos de una imagen, un reto que ambos superaron con facilidad, eliminando elementos no deseados mientras mantenían el resto de los detalles intactos. La capacidad de combinar y mezclar imágenes es otra área en la que ambos modelos han mejorado, permitiendo crear fotos familiares sin necesidad de reunir físicamente a las personas.
Sin embargo, al intentar crear escenas coherentes a partir de múltiples imágenes, los resultados no siempre reflejan una integración perfecta: las discrepancias en iluminación y escala son comunes, requiriendo ajustes adicionales para lograr una imagen final satisfactoria. En estas pruebas, ChatGPT logró una integración más armoniosa de las imágenes, especialmente al aplicar estilos estéticos coherentes, como un ambiente de cine negro.
Tanto ChatGPT como Gemini han alcanzado un nivel de sofisticación notable en edición de imágenes, ofreciendo herramientas avanzadas al alcance de cualquier usuario. Aunque ChatGPT parece tener una ligera ventaja en este momento, el desarrollo continuo de estas tecnologías promete llevar las capacidades de edición de imágenes a nuevas alturas, abriendo posibilidades creativas sin precedentes para los usuarios de todo el mundo.